基于SVM的6分类模型：性能评估及结果可视化

这段代码使用支持向量机（SVM）进行6类分类，并对模型性能进行评估。主要流程如下：

导入库和模块:
- sys: 用于将标准输出流的内容同时写入日志文件。
- datetime: 用于计算代码运行时间。
- sklearn: 用于实现SVM分类器、数据预处理和性能评估。
- numpy: 用于处理和操作数组。
- matplotlib: 用于绘制热力图和保存图像。
- pandas: 用于处理和展示数据。
- seaborn: 用于绘制热力图。
定义Logger类: 将标准输出流的内容同时写入到日志文件中。
导入自定义模块get_das_data: 用于从文件中读取数据和标签。
设置数据路径: 定义训练和测试数据的文件路径。
获取训练和测试数据: 使用get_das_data函数获取训练和测试数据。
数据预处理: 对训练和测试数据进行归一化处理。
创建SVM分类器: 创建svm.SVC对象并设置相关参数。
训练模型: 使用训练数据拟合分类器模型。
预测结果: 使用训练和测试数据进行预测，并计算预测结果。
性能评估: 计算训练和测试的混淆矩阵、运行时间、准确率、精确度、NAR和F1分数。
可视化结果: 根据混淆矩阵绘制热力图，并保存图像。
输出结果: 将分类结果和性能指标输出到控制台和日志文件中。

这段代码展示了如何使用SVM进行多类分类，并通过多种指标和可视化手段对模型性能进行评估和展示。